這項研究開發了一個聊天機器人，目的是協助從全人口基因篩檢中獲得正面結果，並運用大型語言模型。隨著基因檢測需求上升，這項研究希望透過科技創新來解決專家短缺的問題。 聊天機器人透過三步驟的提示工程創建，並在兩個假設情境中進行評估，專家們根據五點量表對八個標準進行打分。結果顯示，總分為3.88，語調和可用性最佳（各4.25分），但程式準確性最低（3.25分）。未來研究將專注於改進提示和設計混合型聊天機器人，以提升基因服務的品質。 相關文章 PubMed DOI ♡

這項研究評估了ChatGPT在提供慢性鼻竇炎（CRS）資訊的有效性，並與醫療指導方針進行比較。研究中提出六個CRS相關問題，結果顯示ChatGPT的回答大致符合現有文獻，但仍有不一致之處。可讀性測試顯示資訊複雜度不同，平均可讀性分數為40.42%。雖然各類別之間可讀性無顯著差異，研究建議ChatGPT可作為醫療資訊的資源，但使用者需謹慎對待其準確性。最後以4級證據評級顯示中等可靠性。 相關文章 PubMed DOI ♡

越來越多患者在網上尋找健康資訊，尤其是像佩羅尼氏病這種敏感疾病。大型語言模型（LLM）聊天機器人展現了提供資訊的潛力，但對於PD的準確性和可讀性仍不明朗。研究評估了四個LLM在回答PD查詢時的資訊質量，結果顯示在有提示的情況下，資訊質量提升至高水平，但平均閱讀水平為12.9年級，超過大多數患者的理解能力。雖然LLM在患者教育上有潛力，但仍需臨床背景和人類提示來提升效果，並需教育患者與醫生如何有效互動。 相關文章 PubMed DOI ♡

這項研究評估了大型語言模型（LLMs）在藥物審查中的表現，特別是劑量錯誤、藥物相互作用及基因組學建議的能力。研究測試了四個LLM，發現ChatGPT在劑量方案上表現良好，但對simvastatin的問題有例外。所有LLM都能識別warfarin的相互作用，但錯過metoprolol和verapamil的相互作用。Claude-Instant在治療監測上提供適當建議，而Gemini在基因組學上表現不錯。研究指出，LLM在藥物審查中有潛力，但整合進醫療系統對病人安全至關重要。 相關文章 PubMed DOI ♡

大型語言模型（LLMs），像是GPT-3.5-turbo和GPT-4，對醫療專業人員有潛在的協助能力，但可能帶有訓練數據中的偏見，影響其在醫療情境中的有效性。本研究分析這些模型在預測住院、費用和死亡率時的表現，發現它們對白人族群的預測較高，且在困難醫療情況下過於樂觀。這些偏見反映了醫療不平等，強調了進一步研究的必要性，以減少語言模型中的偏見，確保所有病患都能獲得公平和準確的醫療結果。 相關文章 PubMed DOI ♡

準確預測ADMET（吸收、分佈、代謝、排泄和毒性）特性對藥物開發非常重要，能幫助選擇具良好藥物動力學及降低毒性的化合物。目前的ADMET數據集因樣本數量少及代表性不足而受限。為了解決這些問題，我們提出了一個多代理數據挖掘系統，利用大型語言模型識別14,401個生物測試的實驗條件，並整合不同來源的數據，最終創建了PharmaBench，包含156,618條原始條目，旨在支持藥物發現相關的AI模型開發。 相關文章 PubMed DOI ♡

這項研究評估了GPT-3.5這種大型語言模型在自動標記產科事件報告的效果。分析了370份住院產科報告，並以人類標註作為金標準。結果顯示，該模型的敏感度達85.7%，特異度為97.9%，使用了79個標籤，而人類僅用了49個。模型的標籤解釋也有60.8%獲得審核者認可。總體來看，GPT-3.5能提升事件報告系統的數據利用效率，並可能改善病人安全。 相關文章 PubMed DOI ♡

這項研究探討大型語言模型（LLMs）在診斷罕見遺傳疾病中的應用，特別是基於表型的基因優先排序。研究比較了五種LLMs，結果顯示GPT-4的表現最佳，能在前50個預測中準確識別17.0%的診斷基因，但仍低於傳統方法。雖然較大的模型通常表現較好，先進技術如檢索增強生成並未提升準確性，但精緻的提示改善了任務完整性。整體而言，這些發現顯示LLMs在基因組分析中的潛力與限制，對臨床應用有重要影響。 相關文章 PubMed DOI ♡

單間室膝關節置換術（UKR）在末期單間室膝關節骨關節炎患者中越來越受重視，但選擇合適候選者仍有爭議。本研究探討了ChatGPT等自然語言處理程式在評估患者接受全膝關節置換術（TKR）或UKR資格的有效性。結果顯示，ChatGPT與73位外科醫生的意見僅有15.6%不合，且在識別UKR候選者方面的敏感性達0.91，正確預測值為0.87。此外，ChatGPT在決策中表現出更高的信心。研究顯示，ChatGPT能有效協助外科決策。 相關文章 PubMed DOI ♡

這項研究評估了ChatGPT（GPT-3.5）在2021年ASPS整形外科在職考試中的表現，使用了不同的提示和檢索增強生成（RAG）技術。結果顯示，當以「住院醫師」身份回應時，準確率最高為54%，而RAG的使用並未顯著改善表現，準確率僅微幅提升至54.3%。整體而言，ChatGPT的表現位於第10百分位，顯示出需要進一步微調及採用更先進的方法，以提升AI在複雜醫療任務中的有效性。 相關文章 PubMed DOI ♡